基于会话式机器阅读理解模型的事件抽取方法

事件抽取旨在从海量的非结构化文本中自动提取出结构化描述信息，以帮助人们快速地了解事件的最新发展动态。传统的事件抽取方法主要采用分类或者序列标注的方法，其依赖于大量的标注数据来训练模型。近年来，研究者提出了利用机器阅读理解模型来进行事件抽取的方法，通过任务转换并联合利用机器阅读理解任务中的标注数据进行训练来缓解标注数据的不足。然而现有方法局限于单轮问答，问答对之间缺少依赖关系；此外，已有方法也未充分利用句子中的实体信息等知识。针对以上不足，提出了一种会话式机器阅读理解框架用于事件抽取，针对已有方法进行了两方面的扩展：首先，通过在句子中显式地增加实体标记信息，使得模型能够有效地学习到输入句子中的实体知识；其次，设计了历史会话信息编码模块，并结合注意力机制从历史会话中筛选出重要信息，融合到阅读理解模型中以辅助推断。最后，在公开数据集上的实验结果表明所提模型相比已有方法取得了更优的结果。